[mmdetection 混合精度]用fastrcnn实测混合精度fp16效果2

最新推荐文章于 2024-04-27 02:53:43 发布
最新推荐文章于 2024-04-27 02:53:43 发布
阅读量1.1k 收藏
点赞数 1
分类专栏： mmdetection 深度学习 混合精度训练 文章标签： 深度学习 mmdetection FP16
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jy1023408440/article/details/112463151
版权

用官方检测工具测试：

平均时间：0.0947/0.1298=0.72958

map比较：

faster_rcnn_r50_fpn_1x_coco.py

fp16训练后map：

结论：map下降不明显，但平均训练时间降低了27%，fp16还是很好的。（使用个人数据集，数据仅供参考）

 

 

AI视觉爱好者
关注
专栏目录
mmdetection2.X--混合精度训练(fp16 & fp32)
认真努力，做一只会飞的毛毛虫。
01-03 3944
文章目录：fp16 & fp32什么是混合精度训练？mmdetection中@auto_fp16()装饰器 fp16 & fp32 fp16是指采用2字节(16位)进行编码存储的一种数据类型；同理fp32是指采用4字节(32位)； fp16第一位表示±符号，接着5位表示指数，最后10位表示分数； 公式如下图所示：其中，sign位表示正负，exponent位表示指数（ ），fraction位表示的是分数（ ）。其中当指数为零的时候，下图加号左边为0，其他情况为1。 fp
mmdetection中faster_rcnn的实现
qq_39518314的博客
02-21 4317
mmdetection中faster_rcnn的实现【待完善】 前置内容： mmdetecion 中类注册的实现（@x.register_module()） 内容包括： faster_rcnn backbone neck rpn_head faster_rcnn @DETECTORS.register_module() class FasterRCNN(TwoStageDetector): 在代码中，fasterRCNN继承了TwoStageDetector，TwoStageDetector继承了Base
[mmdetection 混合精度]用fastrcnn实测混合精度fp16效果
机器视觉爱好者的博客
01-27 3240
先上对比图： 原本训练效果： 经过fp16混合精度训练效果： 结果： 1.GPU Menmory 4201MB/5853MB=0.71775 GPU-Util 0.66/0.74=0.89189 2.训练总时间： 1day 15:34/2day 4:00=2374/3120=0.76089 3.time ...
mmdetection使用混合精度训练
qq_35985044的博客
10-31 897
mmdetection混合精度实现
fp16和fp32 混合精度训练 mmdetection
puspos的博客
08-28 2917
gpu是否支持fp16 fp16和fp32区别
mmdetection-to-tensorrt:将mmdetection模型转换为tensorrt，支持fp16，int8，批输入，动态形状等
03-19
MMDet到张量 该项目旨在将mmdetection模型转换为tensorrt模型end2end。现在专注于对象检测。面膜的支持是实验性的。 支持： fp16 int8（实验） 批量输入 动态输入形状 不同模块的组合 深度支持 欢迎提供任何建议，错误报告和建议。 执照 该项目是根据。 要求 mmdet> = 2.3.0 重要的！ 设置环境变量（在〜/ .bashrc中）： export AMIRSTAN_LIBRARY_PATH= ${amirstan_plugin_root} /build/lib 安装 主持人 git clone https://github.com/grimoire/mmdetection-to-tensorrt.git cd mmdetection-to-tensorrt python setup.py develop 码头工人 构建docker镜像（注意Te
TensorRT-使用TensorRT部署mmdetection模型-支持fp16+int8+动态shape-优质部署项目
02-27
在本文中，我们将深入探讨如何使用TensorRT进行mmdetection模型的高效部署，同时支持fp16、int8量化以及动态形状。TensorRT是NVIDIA推出的一款高性能深度学习推理优化库，它能够对预训练的深度学习模型进行优化，以...
【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集
热门推荐
qq_41627396的博客
05-06 1万+
开始 这篇文章主要是记录我第一次使用mmdetection工具包里面的cascade-rcnn训练自己模型的经过 训练环境 本次是使用的系统是linux的ubuntu20.04 cuda=10.2 cudnn=7.6.5 anaconda=3（用于创建虚拟环境，后续的训练、测试模型也在这个虚拟环境中） (以上软件安装可以参考其他博客) pytroch=1.5.0 torchvision=0.6.0 cudatoolkit=10.2.89 mmcv-full=1.3.1 mmdetection=v2.11
使用mmdetection训练目标检测算法-支持fasterrcnn+retinanet等算法-项目源码
最新发布
04-28
**mmdetection训练详解** **一、mmdetection简介** mmdetection是阿里云M6团队开源的一个基于PyTorch的、全面且可扩展的目标检测框架。它集成了多种先进的目标检测算法，如Faster R-CNN、Mask R-CNN、RetinaNet等...
mmdetection 使用混合精度训练
10-14
mmdetection 支持使用混合精度训练，可以通过设置配置文件中的`fp16`参数来开启。在使用混合精度训练时，模型中的参数会以 FP16 的形式存储，计算时也会使用 FP16 进行计算，从而减少显存的占用和加速训练过程。 ...
目标检测系列：Faster RCNN、FPN
qq_39382877的博客
07-31 2163
Faster RCNN FPN Faster RCNN 动机 Fast RCNN虽然对于检测的速度已经接近于达到实时，但是候选区域的提取方法依然是依赖于传统的算法例如选择性搜索，而选择性搜索在CPU上要实现一张图像的候选区域提取需要达到2秒，显然是非常耗时的。 而GPU可以达到加速网络计算的速度，因此想到利用GPU加速的网络来代替传统的算法从而实现候选区域的提取过程。于是提出RPN（区域...
零碎知识点-mmdetection
weixin_45670912的博客
03-22 255
import torch import torchvision print(torch.__version__) print(torchvision.__version__) exit() // 退出 // 这是版本查看问题 cat /usr/local/cuda/version.txt // 这是查看cuda的版本 ...
mmdetection的使用总结
we34dfg的博客
03-06 3096
一 资料链接： 1---mmdetection官方地址： https://github.com/open-mmlab/mmdetection 2---mmdetection安装与入门教程： https://blog.csdn.net/hajlyx/article/details/83542167 https://blog.csdn.net/long_xuan123/article/det...
自动混合精度
danmeng8068的博客
08-27 259
https://zhuanlan.zhihu.com/p/165152789 自动混合精度 为什么需要自动混合精度？ 这个问题其实暗含着这样的意思：为什么需要自动混合精度，也就是torch.FloatTensor和torch.HalfTensor的混合，而不全是torch.FloatTensor？或者全是torch.HalfTensor？ 如果非要以这种方式问，那么答案只能是，在某些上下文中torch.FloatTensor有优势，在某些上下文中torch.HalfTensor有优势呗。答案进一步可.
mmdetection源码解读（二）
Haku_yyf的博客
10-10 2068
一：关于Python修饰符@property和装饰器(decorator)等的解释和用法（参考博客（地址）） 二：mmdetection/mmdet/core/fp16/utils.py from collections import abc import numpy as np import torch def cast_tensor_type(inputs, src_type...
mmdetection计算fps和参数量
追梦小狂魔的博客
03-10 4424
首先记住一句话：模型的参数量越小，这个模型的计算量不一定小，速度也不一定快，这句话是真对啊。新建py文件tools/analysis_tools/benchmark_voc.py。
MMSegmentation文档学习记录（一）
2301_79058506的博客
04-27 444
(img-Erap77kX-1714157604393)]当需要保存测试输出的分割结果，用 --out 指定分割结果输出路径。文件提供了在单 GPU 上启动测试任务的方法。文件提供了在单GPU上部署训练任务的方法。从配置文件初始化一个分割器。在图像上可视化分割结果。使用分割器推理图像。
mmdetection源码笔记（四）：训练模型之train_detector()的解读
Activewaste
11-04 4542
引言 之前在写mmdetection源码的解读过程时，觉得train_detector()这部分很重要，对于理解整个的训练过程应该时起着非常大的理解作用。 然后最近研究工作一直在看和修改mmdetection的其他模块的代码这一块。感觉train_detector()这块内容其实也不是特别重要来着，可能就是一个加强理解的过程。这次还是花了点时间，大致的看了一下，顺便加上自己的一些理解，解释了一下整...
mmdetection源码笔记（五）：测试之test.py的解读
Activewaste
08-22 9785
引言 在test阶段有以下几个方法： single_gpu_test()：顾名思义，就是单GPU测试，该方法在main()中调用，当不分布式测试的时候，则运行次测试方法，该方法的实现中，其实是调用了检测器测试过程的forward()前向计算过程，以cascade_rcnn为例，在cascade_rcnn的父类中的forward()方法中，通过判断test_mode当前处于训练还是测试阶段，来调用...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值